Browsing by Author "Носов, Валерій Олександрович"

Now showing 1 - 4 of 4

Автоматизований конвеєр формування датасету для навчання моделей виявлення шахрайства
(Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, ІВК ≪Системні технології≫, Дніпро, 2026) Носов, Валерій Олександрович; Островська, Катерина Юріївна
UKR: У дослідженні розглянуто проблему підготовки тренувальних даних для систем виявлення шахрайства в транзакціях електронної комерції на основі методів машинного навчання. За результатами аналізу існуючих відкритих джерел обґрунтовано необхідність створення спеціалізованого набору даних. Запропоновано автоматизований конвеєр об’єднання трьох відкритих наборів даних з платформи Kaggle (IEEE-CIS, Credit Card Transactions Fraud Detection Dataset, Fraudulent E-Commerce) зі збереженням реальних міток шахрайства та збагаченням записів синтетичними атрибутами, адаптованими до специфіки українського платіжного ринку. Опрацьовано методи рівномірної нормалізації часових міток, генерації автентифікаційних даних та розбиття на платіжні системи, формування агрегованих профілів клієнтів та пар для навчання моделі IP Insights. Результатом є набір із 500000 транзакцій за 24 місяці з рівнем шахрайства 3.04%, призначений для навчання конвеєра моделей, до яких входять LightGBM, автоенкодер та IP Insights.
Адаптивна система оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Носов, Валерій Олександрович; Островська, Катерина Юріївна
UKR: З кожним роком кількість фінансових операцій неспинно зростає, а з нею і відповідні кіберзагрози, зокрема шахрайство, тому виявлення ризикових транзакцій в електронній комерції набуває все більшої актуальності. У дослідженні розглянуто адаптивний підхід до оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу даних, зокрема машинного навчання. Запропонована система передбачає багаторівневу структуру в яку входять поведінковий аналіз, семантична оцінка транзакцій та інтеграція результатів для формування фінального індикатора ризику. Увагу приділено виявленню відхилень від типових шаблонів, зіставленню історичних даних з поточними діями користувача, а також гнучкому реагуванню на підозрілі активності та аномалії у режимі реального часу. Зазначений підхід дозволить підвищити точність виявлення шахрайських операцій, зменшити кількість хибнопозитивних спрацювань, і забезпечити здатність моделі до адаптації в умовах постійно зростаючих загроз у динамічному середовищі.
Дослідження системи розпізнавання природної мови Amazon Lex V2
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Носов, Валерій Олександрович; Островська, Катерина Юріївна
UKR: У сучасних реаліях все більше використовуються системи з розпізнаванням тексту та голосу, бо процес взаємодії з людиною все більше автоматизується. Технологія розпізнавання людської мови є фундаментальним для розвитку штучного інтелекту. Системи, які побудовані на цій технології, мають можливість вирішувати досить велику кількість задач, пов’язаних з аналізом даних, пошуку інформації, виконанням запитів користувачів. Популярними і досить поширеними рішеннями систем з NLP (Natural Language Processing) є голосові помічники, системи розумного дому (такі як Amazon Alexa чи Google Assistant). Дослідження цієї технології та аналіз її інтеграції в хмарних середовищах надає можливість самостійно використати її особливості у якості автоматизованих ад’ютантів, чи наприклад, як частину вже існуючої інтелектуальної системи. NLP ядро сервісу Amazon Lex V2 надає можливість розгорнути власноручно налаштований чат-бот на задану тему, тому з точки зору розробки та дослідження він привертає увагу розробників та аналітиків. Але, перед цим, постає багато питань щодо його можливостей та обмежень, перед якими зіткнеться інтегратор цієї служби.
Методологія підготовки датасету для навчання моделей виявлення шахрайства в електронній комерції
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Носов, Валерій Олександрович; Островська, Катерина Юріївна
UKR: У дослідженні розглянуто проблему підготовки тренувальних даних для систем виявлення шахрайства в транзакціях електронної комерції на основі методів машинного навчання. За результатами аналізу існуючих відкритих джерел обґрунтовано необхідність створення спеціалізованого набору даних. Запропоновано автоматизований конвеєр об’єднання трьох відкритих наборів даних з платформи Kaggle (IEEE-CIS, Sparkov, Fraudulent E-Commerce) зі збереженням реальних міток шахрайства та збагаченням записів синтетичними атрибутами, адаптованими до специфіки українського платіжного ринку. Опрацьовано методи рівномірної нормалізації часових міток, генерації автентифікаційних даних та розбиття на платіжні системи, формування агрегованих профілів клієнтів та пар для навчання моделі IP Insights. Результатом є набір із 500000 транзакцій за 24 місяці з рівнем шахрайства 3,04%, призначений для навчання конвеєра моделей, до яких входять LightGBM, автоенкодер та IP Insights.